Deteksi Dini Churn Pelanggan E-Commerce Berbasis CRM di Indonesia Menggunakan Algoritma Random Forest

Abstract

Customer churn merupakan salah satu permasalahan utama dalam industri e-commerce karena berdampak langsung terhadap penurunan jumlah pelanggan dan pendapatan perusahaan. Meskipun berbagai penelitian telah dilakukan untuk meningkatkan akurasi prediksi churn, sebagian besar masih berfokus pada aspek teknis tanpa mengaitkannya secara langsung dengan implementasi dalam Customer Relationship Management (CRM). Oleh karena itu, penelitian ini bertujuan untuk membangun model deteksi dini churn pelanggan berbasis machine learning serta mengkaji pemanfaatannya dalam mendukung strategi CRM.Penelitian ini menggunakan dataset ulasan pelanggan e-commerce yang diolah melalui tahap preprocessing, transformasi data, dan pembentukan label churn. Model dibangun menggunakan algoritma Random Forest dengan pendekatan Cross-Validation. Hasil pengujian menunjukkan model berjalan sangat baik dengan akurasi mencapai 99,03%, presisi 76,92%, dan recall 84,42%.Hasil penelitian menunjukkan bahwa data ulasan pelanggan efektif dalam merepresentasikan perilaku pelanggan dan dapat digunakan untuk mendeteksi potensi churn sejak tahap awal interaksi. Model yang dihasilkan dapat diintegrasikan ke dalam sistem CRM untuk mendukung strategi retensi pelanggan secara proaktif melalui deteksi dini pelanggan berisiko churn.